Role prompting : faire jouer un rôle à l’IA est-il vraiment efficace ?

« Tu es un expert-comptable chevronné. » C’est probablement le conseil de prompt le plus répandu au monde, recommandé par les documentations officielles de Google, d’OpenAI et d’Anthropic. Il est aussi le plus mal compris. Depuis 2024, une série de travaux de recherche a testé cette pratique sur des milliers de questions, et le verdict surprend : assigner un rôle d’expert n’améliore pas la justesse des réponses, et peut même la dégrader. Cela ne veut pas dire qu’il faut l’abandonner, mais qu’il faut savoir à quoi il sert réellement. Ce guide fait le tri entre ce que le role prompting apporte et ce qu’il ne fait pas.

Cet article fait partie de notre série sur le prompt engineering. Il éclaire la brique « rôle » que l’on retrouve dans presque tous les frameworks de prompt.

En bref

• Le role prompting consiste à assigner une identité à l’IA avant la tâche : « Tu es un analyste financier senior. »
• Toutes les documentations officielles le recommandent. La recherche, elle, est bien plus nuancée.
• Sur les tâches factuelles, il n’apporte rien. Une étude sur 162 personas, quatre familles de modèles et 2 410 questions ne trouve aucun gain de performance.
• Un persona de faible niveau (« tu es un débutant ») peut faire baisser la justesse. Le rôle influence le modèle même quand on ne le veut pas.
• Là où il fonctionne : le ton, le vocabulaire, le niveau de langue, la posture d’analyse et le format. C’est un levier de style, pas d’exactitude.
• Le réflexe utile : décrire la tâche et l’audience plutôt que d’empiler les titres ronflants.
• Pour outiller vos équipes, découvrez notre parcours de formation à l’IA générative.

Le role prompting, c’est quoi

Le role prompting, ou prompting par persona, consiste à assigner à l’IA une identité ou une expertise avant de lui confier une tâche. Plutôt que de demander « explique-moi la TVA sur les prestations de formation », on écrit « Tu es expert-comptable spécialisé dans les organismes de formation. Explique-moi la TVA sur les prestations de formation. »

L’idée intuitive est simple : en incarnant un expert, le modèle irait puiser dans la partie la plus qualifiée de ses connaissances. Cette intuition est si répandue qu’elle figure dans les guides des principaux éditeurs. La documentation de Google pour Vertex AI recommande explicitement d’assigner un rôle comme bonne pratique, avec un modèle qui commence par « Tu es un [persona, par exemple un professeur de mathématiques ou un expert automobile] ». Les exemples d’Anthropic proposent « Tu es un analyste fiscal expert », et les ressources destinées aux développeurs chez OpenAI reprennent la même approche.

Le rôle est d’ailleurs une brique constitutive de la plupart des frameworks : c’est le R de RTF, le R de la méthode RODES, et le Capacité-et-Rôle de la méthode CRISPE. Autant dire que cette pratique est partout.

Il fallait donc la tester sérieusement. C’est ce qu’ont fait plusieurs équipes de recherche.

Ce que dit la recherche : le rôle n’améliore pas la justesse

Le résultat le plus net vient d’une étude systématique menée sur des tâches objectives, c’est-à-dire des questions dont la réponse est mesurablement juste ou fausse. Les chercheurs ont testé 162 personas différents, sur quatre familles de grands modèles et 2 410 questions factuelles. La conclusion tient dans le titre de leur article, qui joue sur la formule d’ouverture la plus banale des prompts système : ajouter un persona n’améliore pas les performances des modèles sur les tâches factuelles. Les auteurs observent même une forme de dérive aléatoire, où le persona déplace les réponses sans logique identifiable.

Un an plus tard, une équipe de la Wharton School a repris la question avec un protocole différent. Leur rapport, sobrement intitulé « Playing Pretend », a testé des personas d’expert sur six modèles et des questions scientifiques difficiles. Verdict : les personas taillés pour le domaine n’améliorent pas la performance de manière générale. Pire, les personas de faible niveau, du type « tu es un enfant » ou « tu es un débutant », font baisser la justesse. Le modèle joue le rôle jusqu’au bout, y compris dans l’incompétence.

Un troisième travail, plus récent, va dans le même sens sur un terrain très différent : une étude de prévision macroéconomique a déployé des milliers de personas synthétiques pour reproduire une enquête de prévisionnistes professionnels. L’expérience d’ablation, qui consiste à retirer le persona pour comparer, n’a mesuré aucun avantage de prévision. Les auteurs suggèrent tout simplement de s’en passer pour économiser des jetons.

Le constat commun est déstabilisant : sur les tâches où la justesse se mesure, le jeu de rôle n’est pas le levier sur lequel parier.

La nuance : ce que le rôle change vraiment

Il serait pourtant faux d’en conclure que le role prompting ne sert à rien. La recherche est plus subtile que le slogan.

D’abord, plusieurs travaux ont montré des effets positifs. Une étude présentée à la conférence NAACL en 2024 a construit des prompts de jeu de rôle adaptés à douze jeux de données de raisonnement, et conclut qu’assigner un rôle approprié améliore la capacité de raisonnement du modèle en zero-shot. D’autres travaux rapportent des gains sur le soutien émotionnel, la génération de données synthétiques, l’équité des réponses et les tâches visuelles.

Ensuite, un article de 2026 propose une synthèse qui réconcilie ces résultats contradictoires. Son titre dit l’essentiel : les personas d’expert améliorent l’alignement du modèle mais dégradent sa justesse. Autrement dit, un rôle rend la réponse plus conforme à ce qu’on attend d’un expert, dans le ton, la structure et la posture, sans la rendre plus exacte. Les auteurs ajoutent une clé de lecture : l’efficacité d’un persona dépend de la tâche et du modèle, elle n’est pas universelle.

D’où une ligne de partage nette, qu’il faut avoir en tête.

La raison profonde est logique. Un rôle ne crée pas de connaissance. Le modèle ne « débloque » pas un savoir d’expert qu’il tiendrait en réserve : ce qu’il sait, il le sait déjà, avec ou sans persona. En revanche, le rôle oriente sa façon de formuler, le vocabulaire qu’il mobilise, la structure de sa réponse et le degré d’assurance qu’il affiche. C’est un choix de voix, pas un accès à une bibliothèque cachée.

Ce dernier point mérite attention : un rôle d’expert rend la réponse plus assurée, sans la rendre plus vraie. Comme nous le détaillons dans notre guide sur les hallucinations et la vérification des réponses, l’assurance d’un modèle ne dit rien de son exactitude. Le role prompting peut donc rendre une erreur plus convaincante.

Quand utiliser le role prompting, et comment

Reste que le rôle garde une utilité réelle, à condition de le placer là où il agit.

Quand vous décidez d’assigner un rôle, trois règles augmentent son efficacité.

La première est la spécificité. « Tu es un analyste financier spécialisé dans les PME industrielles » agit davantage sur le vocabulaire et la posture que « tu es un expert ». Un rôle vague ne cadre rien.

La deuxième est de ne jamais assigner un persona de faible niveau à une tâche sérieuse. Demander à l’IA de répondre « comme un débutant » pour obtenir une explication simple est une fausse bonne idée : les travaux de Wharton montrent que le modèle joue le rôle jusqu’au bout, incompétence comprise, et la justesse en pâtit. Si vous voulez une explication accessible, ne dégradez pas l’expert : décrivez l’audience. « Tu es un formateur expert. Explique à des collaborateurs non techniques » vaut infiniment mieux que « Tu es un stagiaire ».

La troisième est de préférer la description de la tâche et de l’audience à l’empilement de titres. C’est le grand renversement à opérer. Plutôt que « Tu es le meilleur consultant en stratégie au monde, diplômé de Harvard, avec vingt ans d’expérience », écrivez ce que vous attendez vraiment : le format, le niveau du lecteur, les contraintes, ce qu’il faut éviter. Les titres ronflants n’apportent rien de mesurable ; le contexte, lui, change tout.

Le renversement : ce que le rôle transporte en douce

Voici l’explication la plus éclairante du phénomène. Quand un persona semble améliorer une réponse, ce n’est généralement pas le titre qui opère, mais tout ce qu’on a glissé autour de lui.

Comparez ces deux prompts. Le premier : « Tu es un expert. Analyse ce contrat. » Le second : « Tu es juriste spécialisé en droit de la formation professionnelle. Analyse ce contrat de sous-traitance en repérant les clauses de responsabilité, en signalant celles qui exposent l’organisme, et en citant l’article concerné pour chaque point. » Le second fonctionne mieux, c’est certain. Mais pas grâce au mot « juriste » : grâce au domaine, aux critères d’analyse, aux attendus et au format imposés.

Autrement dit, le rôle bien écrit est un cheval de Troie qui transporte du contexte, des contraintes et un vocabulaire. Ce sont ces éléments qui font le travail. Si vous les écrivez explicitement, vous obtenez le même résultat sans le persona, et vous savez enfin ce qui agit dans votre prompt.

C’est aussi pour cela que les frameworks qui séparent proprement les champs sont plus efficaces qu’une phrase de rôle isolée : la méthode CO-STAR consacre trois champs distincts au style, au ton et à l’audience, plutôt que d’espérer que « tu es un expert » les règle tous les trois en même temps.

Le rôle dans un prompt système, un cas particulier

Une confusion fréquente mérite d’être levée. Assigner un rôle au fil d’une conversation n’est pas la même chose que l’inscrire dans un prompt système, ce message de cadrage placé en amont et qui s’applique à tous les échanges suivants.

Les deux relèvent du role prompting, mais le prompt système donne au rôle une persistance : il tient sur la durée, résiste mieux à la dérive, et sert souvent à définir une identité de marque ou des garde-fous. Les études citées plus haut portaient d’ailleurs sur des personas placés dans le prompt système, ce qui rend leur verdict d’autant plus solide. Nous consacrons un guide entier à cette distinction et à ses usages.

💡 Frontière agents IA : dans un agent autonome, le rôle inscrit dans le prompt système ne sert pas qu’au style, il fait partie du cadrage de sécurité et détermine ce que l’agent s’autorise à faire. C’est une problématique de conception distincte, que nous traitons dans notre checklist avant de créer un agent IA.

Les erreurs fréquentes

La première erreur est d’empiler les superlatifs, en croyant qu’un « expert mondialement reconnu » produira mieux qu’un « expert ». Aucune mesure ne le confirme, et vous consommez des jetons pour rien.

La deuxième est d’attendre du rôle qu’il corrige les erreurs factuelles. Il ne le fait pas, et rend même les erreurs plus assurées. La parade est ailleurs : fournir la matière au modèle et l’autoriser à dire qu’il ne sait pas.

La troisième est le persona dégradant, du type « réponds comme un enfant de dix ans ». Décrivez plutôt l’audience visée, sans abaisser le niveau du répondant.

La dernière est de croire que le rôle remplace le contexte. C’est l’inverse : c’est le contexte, glissé dans le rôle ou écrit ailleurs, qui fait le travail. Notre guide sur les règles d’un bon prompt détaille comment le formuler.

Comment vérifier sur vos propres tâches

La recherche mesure des moyennes sur des tâches génériques. Vos tâches, elles, sont particulières, et le même travail de 2026 rappelle que l’effet d’un persona dépend de la tâche et du modèle. Autant tester plutôt que croire.

La méthode est simple. Prenez une dizaine de cas représentatifs de votre usage réel. Faites tourner votre prompt avec et sans la phrase de rôle, plusieurs fois pour chaque cas. Notez les réponses sur des critères explicites, en séparant bien le style et l’exactitude. Vous saurez alors, sur vos cas, si le rôle vous apporte quelque chose et sur quelle dimension. C’est exactement le protocole que nous décrivons dans notre guide pour évaluer et A/B tester un prompt.

L’expérience surprend souvent : sur les tâches factuelles, le rôle disparaît sans dommage. Sur la production de contenu, il manque tout de suite.

En résumé

Le role prompting est le conseil le plus donné et le moins compris du prompt engineering. La recherche a tranché sur un point : assigner un rôle d’expert n’améliore pas la justesse des réponses, et un persona de faible niveau la dégrade. Un rôle ne donne pas de connaissances au modèle, il choisit une voix. Utilisez-le donc pour ce qu’il fait bien, le ton, le vocabulaire, la posture, le jeu de rôle, et n’attendez rien de lui sur l’exactitude, où seuls comptent la matière que vous fournissez et la vérification que vous opérez. Le réflexe qui change tout : cessez d’empiler les titres, décrivez la tâche, l’audience et les contraintes. C’est cela, et non le mot « expert », qui a toujours fait le travail.

Pour installer ces réflexes dans vos équipes, adaptés à vos métiers et à vos outils, notre formation au prompt engineering en entreprise part de vos cas réels.

FAQ – Role prompting